RAPAC-DP：延迟执行下的待动作补偿框架

Tao Wang 等作者提出 RAPAC-DP，一种面向扩散与流式动作生成器的响应对齐待执行动作补偿框架，目的是让这类策略在云端推理延迟下仍能输出与交接时刻对齐的完整动作块。该方法用轻量待执行动作编码器和 LoRA 适配器学习补偿，基础策略保持冻结，并从无延迟示教构造延迟条件训练样本，作者称无需显式动力学模型或额外延迟数据。 作者报告的结果是：在最大评估延迟下，仿真中 Kinetix 保留 81.4% 的无延迟整体性能，RoboMimic 三项任务平均成功率 63.3%；在 Franka Panda 机械臂的 450 次物理试验中，静态与传送带取放任务的高延迟平均成功率从 RTC 的 28.9% 提升到 60.0%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。